如何覆盖spark中的输出目录
我有一个Spark Streaming(流式)应用程序，每分钟产生一个数据集。我需要保存/覆盖处理的数据的结果。
当我试图覆盖数据集时，抛异常org.apache.hadoop.mapre...
标签：spark
如何添加一个新的列到Spark DataFrame(使用PySpark)？
我有一个Spark DataFrame(使用PySpark 1.5.1)，并想添加一个新的列。
我已经尝试了以下方法，但没有任何成功的：
type(randomed_hours) # => list
# ...
Spark任务提交(Spark Submit)
Spark-Submit简介
spark-submit脚本用于在集群上启动应用程序,它位于Spark的bin目录中。这种启动方式可以通过统一的界面使用所有的Spark支持的集群管理功...
Spark Streaming入门
Spark Streaming简介
Spark Streaming是Spark核心API的扩展，可实现实时数据流的可扩展，高吞吐量，容错流式处理。数据可以从诸如Kafka，Flume，Kinesis或TC...
Spark中ml和mllib的区别
Spark中ml和mllib的主要区别和联系如下：
ml和mllib都是Spark中的机器学习库，目前常用的机器学习功能2个库都能满足需求。
spark官方推荐使用ml, 因...
pyspark LogisticRegressionModel用法示例
类用法简介
class pyspark.mllib.classification.LogisticRegressionModel(weights, intercept, numFeatures, numClasses)
LogisticRegressionModel: 使用...
Spark创建DataFrame的三种方法
跟关系数据库的表(Table)一样，DataFrame是Spark中对带模式(schema)行列数据的抽象。DateFrame广泛应用于使用SQL处理大数据的各种场景。创建DataFrame有很多...
Spark读取/保存本地文件
本文介绍两点：
1. 如何用Spark读取本文文件内容。
2. 如何用Spark将数据写到本地，特别是将大文件写到本地。
Spark读取本地文件内容
通常情况下，如...
mac上安装IntelliJ IDEA配置Spark开发环境
工作需要在大数据下进行数据挖掘，因此在开发机器进行了开发环境的搭建：IntelliJ IDEA + Spark； 这样就可以使用IntelliJ IDEA在本地进行开发调试，之后再将...
Apache Spark和Apache Storm的区别
Apache Spark和Apache Store的区别是什么？他们各自适用于什么样的应用场景？这是stackoverflow上的一个问题，这里整理简要版回答如...
Spark2.1特征处理:提取/转换/选择
本文是Spark2.1官方文档的翻译：Extracting, transforming and selecting features => Spark特征抽取、特征转换、特征选择，全文目录如下：
Feature ...
Spark二进制文件读写
在大数据处理中，有时候要将spark集群上处理好的数据拷贝到本地做进一步处理：比如本地单机运算或者作为在线服务的数据。如果直接拷贝字符串文本，耗费带宽和...
Spark机器学习库指南[Spark 1.3.1版]——协同过滤(Collaborative Filtering)
下面是章节协同过滤的目录(其他内容参见全文目录)
协同过滤
显示反馈VS隐士反馈
正则化参数的扩展
示例
教程
协同过滤
协同过...
Spark的Cache和Checkpoint
本文阐述了Spark中几种数据持久化方法Cache/Persist/Checkpoint的用法以及区别和联系，对于计算链条过长或者数据量较大的Spark任务有指导意义。原文来自：htt...
Spark机器学习库指南[Spark 1.3.1版]
本文内容关键词：Spark官方文档，Spark教程， Spark MLlib教程。
本文翻译自Spark官方文档：Machine Learning Library (MLlib) Guide ，代码示例以P...